Is it taking longer to die in paediatric intensive care in England and Wales?
Notice bibliographique
Résumé
INTRODUCTION: All-cause infant and childhood mortality has decreased in the UK over the last 30 years. Advances in paediatric critical care have increased survival in paediatric intensive care units (PICUs) but may have affected how and when children die in PICU. We explored factors affecting length of stay (LOS) of children who died in PICU over an 11-year period. METHODS: We analysed demographic and clinical data of 165 473 admissions to PICUs in England and Wales, from January 2003 to December 2013. We assessed time trends in LOS for survivors and non-survivors and explored the effect of demographic and clinical characteristics on LOS for non-survivors. RESULTS: LOS increased 0.310 days per year in non-survivors (95% CI 0.169 to 0.449) and 0.064 days per year in survivors (95% CI 0.046 to 0.083). The proportion of early deaths (<24 h of admission) fell 0.44% points per year (95% CI -0.971 to 0.094), but the proportion of late deaths (>28 days of PICU stay) increased by 0.44% points per year (95% CI 0.185 to 0.691). The paediatric index of mortality score in early deaths increased by 0.77% points per year (95% CI 0.31% to 1.23%). DISCUSSION: Increased LOS in children who die in PICU is driven by a decreased proportion of early deaths and an increased proportion of late deaths. This trend, combined with an increase in the severity of illness in early deaths, is consistent with a reduction in early mortality for acutely ill children, but a prolongation of life for those children admitted to PICU with life-limiting illnesses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».